Các công thức chống lại đại dịch

Tại sao bệnh máu trắng và bệnh bại liệt lại là những kỷ niệm xấu đối với người Pháp? Điều gì có thể khiến người ta hy vọng các bệnh dịch như sốt rét và ho lao có thể bị ngăn chặn trên qui mô toàn cầu? Có thể đó là những chính sách y tế công cộng hoặc các hành động của các cơ sở y tế, các cơ quan vệ sinh y tế. Tuy nhiên, nếu thế thì vẫn chưa đủ.

Một khi bệnh dịch đã lan ở tầm toàn cầu, một chiến dịch tiêm chủng thể nào cũng để sót một vài bệnh nhân, và họ sẽ lọt lưới, đem nguy hiểm tới những người khác. Trên thực tế, đồng minh vô hình của các chiến dịch tiêm chủng chính là kết quả toán học, thường xuất hiện trong tất cả các mô hình phát triển của các căn bệnh lây nhiễm: để lan truyền, tất cả các dịch bệnh đều cần phải có một số lượng bệnh nhân tối thiểu nào đó. Dưới ngưỡng này, căn bệnh tự triệt tiêu giống như một đốm lửa nhỏ tự tắt khi thiếu oxy.

Trong nghiên cứu bệnh dịch học, từ thí dụ ở trên, các nhà toán học xiết dần và thu hẹp lại các cơ chế gây lây nhiễm. Tại sao một số dịch bệnh lại có tính chu kỳ? Tại sao cúm A lại biến đổi ngay trong khi lan tỏa dịch bệnh đi khắp thế giới như một ngọn lửa rơm? Nếu không sử dụng đến toán học, chúng ta sẽ không thể trả lời những câu hỏi như vậy. Năm 2008, một nhóm nghiên cứu quốc tế làm việc tại Phòng thí nghiệm Vật lý lý thuyết ở Orsay (thuộc Phòng thí nghiệm CNRS/Đại học Paris XI) đã dùng một mô hình toán và chứng minh được rằng hệ thống vận chuyển hàng không quốc tế, trong một chừng mực nào đó chính là con đường gieo rắc và lan tỏa các bệnh dịch thành qui mô toàn cầu.

Nếu không có các nhà toán học, chúng ta sẽ không truy nguyên được gốc rễ của các căn bệnh không truyền nhiễm, thí dụ như ung thư chẳng hạn. Ở lĩnh vực này, những con số thống kê chính là mấu chốt của vấn đề. “Bệnh ung thư phổi chính là một loại bệnh ung thư được phát hiện nhờ phương pháp thống kê”, Jacques Istas, Giáo sư thuộc Phòng thí nghiệm Jean-Kuntzmann (thuộc Phòng thí nghiệm CNRS, Đại học Grenoble I và II) miêu tả. “Trong những năm 1930, các bác sĩ người Đức đã quan sát thấy có sự liên hệ giữa bệnh ung thư phổi và việc tiêu thụ thuốc lá, mặc dù họ chưa hiểu tại sao lại như vậy”, vị giáo sư này nói. Theo ông, một mô hình toán học tốt hoàn toàn có khả năng miêu tả được các sự di chuyển lưu lượng trên Internet hoặc sự lan tràn của bệnh dịch. Các căn bệnh như Creutzfeld-Jacob và bệnh béo phì hoàn toàn không phải là các bệnh lây lan, và chúng cũng được phát hiện nhờ các nghiên cứu thống kê trước khi các nguyên nhân cụ thể gây bệnh được tìm ra ở các phòng thí nghiệm sinh học.


Một nhóm nghiên cứu đã dùng các mô hình toán nghiên cứu và đưa ra kết luận là chính hàng không là thủ phạm khiến các bệnh dịch lan tỏa ở mức độ toàn cầu

Những con số thống kê đầy sức mạnh

Việc sử dụng thường xuyên các con số thống kê không có nghĩa là các con số thống kê này thoát hoàn toàn khỏi sự liên quan tới toán học. Cũng may, bởi “các con số thống kê là một nguồn chứa đầy bẫy”, Bernard Prum thuộc Phòng thí nghiệm Thống kê và bản đồ gene (một đơn vị của CNRS, Đại học Évry), chuyên gia di truyền về các bệnh dịch cảnh báo. Hãy tưởng tượng là bạn bị nghi là mắc một căn bệnh chết người hiếm khi gặp, có tỉ lệ mắc bệnh 1/10.000 dân. Bạn được làm xét nghiệm nhưng xét nghiệm nào cũng vậy, chúng đều có một tỉ lệ sai sót và chỉ có mức chính xác là 99%. Xét nghiệm cho kết quả dương tính. Như vậy bạn có mắc bệnh hay không? Câu trả lời có thể là: 99% bạn mắc bệnh. Hoàn toàn sai. Trên thực tế, câu trả lời (không cảm tính) là chỉ dưới 1% bạn mắc bệnh đó (liên quan đến cách thống kê đối với các chi tiết của các phép tính). Việc phân tích các dữ liệu dịch bệnh thường gặp rất nhiều các bẫy kiểu này.

Tệ hơn, sự phức tạp trong phân tích thống kê còn nhân lên nhiều lần kể từ khi người ta có khả năng tiến hành các nghiên cứu tận bên trong bản đồ gene để tìm các yếu tố khiến cho bệnh nặng hơn. Trên thực tế, cần biết rằng các căn bệnh gây ra bởi đơn gene (các triệu chứng cho thấy bệnh tạo ra từ sự đột biến của một gene), nhưng phần lớn các căn bệnh, đặc biệt là ung thư là do khoảng cả tá gene gây ra. Do vậy cần nghiên cứu chúng trong số 30.000 gene trong bản đồ gene của bệnh nhân.

Lẫn lộn cái đúng với cái sai

“Khi người ta xem xét tới các biểu hiện của gene, người ta dễ đưa ra hàng chục nghìn tiêu chí”. Philippe Besse thuộc Viện Toán Toulouse (đơn vị trực thuộc CNRS, Đại học Toulouse I và II), chuyên gia về thống kê ứng dụng cho sinh học, nói. “Cái khó ở trong những trường hợp này là người ta luôn tìm thấy sự liên hệ giữa các triệu chứng và các gene được coi là thủ phạm gây bệnh, mà không biết được các liên hệ này có thích đáng hay không.

Chính vì vậy, sự phát triển trong những năm gần đây của các thuật toán trong lĩnh vực trí tuệ nhân tạo cho phép phân biệt một quan hệ đáng chú ý trong các mối quan hệ dễ gây hiểu lầm. Được đặt tên là boosting hay bagging, các thuật toán này “cho phép đưa ra các mô hình toán có tính dự báo chính xác cao”, nhà nghiên cứu tiếp tục nói. Bản thân ông cũng phát triển các công cụ toán để giúp đỡ các nhà sinh học hiểu được vai trò bên trong các tế bào gene hoặc của các protein cụ thể nào đó. Các công cụ toán do Philippe Besse và cộng sự đã cho phép nghiên cứu sự ảnh hưởng về cơ chế của bisphenol A, hợp chất hóa học có trong thành phần sữa tự nhiên của các bà mẹ, nhưng nó bị nghi ngờ là một chất có hại. Các nhà nghiên cứu đã chỉ ra rằng bisphenol A làm đảo lộn hệ thống tiết hóc môn của chuột khi người ta tiêm vào chúng một lượng nhỏ chất này.

Trên tổng thể, các nhà toán học làm việc trong lĩnh vực sinh học đồng ý rằng khoa học sự sống tiếp tục chiếm một phần quan trọng trong công việc của các nhà toán học và vật lý như nó đã từng có trong thế kỷ vừa qua.

    Hoàng An  dịch và giới thiệu

Tác giả